総合格闘技としての医療AI：フルスタックデータサイエンティストの必要性？

2021年4月1日 17:48

（ヘッダ画像の引用元：一般財団法人データサイエンティスト協会　2014年12月10日プレスリリース「データサイエンティストのミッション、スキルセット、定義、スキルレベルを発表」https://prtimes.jp/main/html/rd/p/000000005.000007312.html）

データソリューション部でデータプロダクトマネージャーとして働いている猪坂です。

当方は昨年の5月中旬にMICINにジョインしました。数ヶ月の経験ながらも今までと大きく違うことを感じており、ここではMICINのAI開発プロジェクトがどういうものか、他と何が違うのか紹介します。

当方の過去の経験

当方は2社でAI開発プロジェクトを経験してきました。

1社目ではデータサイエンティストとして企業向けAI開発プロジェクトを複数担当しました。設立されたばかりのAIベンチャーで会社としてのプロジェクト数は多くなかったです。

2社目ではプロジェクトマネージャーとして同じく企業向けAI開発プロジェクトを複数担当しました。こちらは上場しているAIベンチャーで多くのプロジェクトを手掛けている会社でした。

これら2社のAI開発プロジェクトは似ていましたが、MICINのAI開発プロジェクトの一部にはこれらと大きく異なるものがありました。

MICINのAI開発プロジェクト

ゼロからのプロダクト作り

MICINではビジョンに基づいて病気の識別・予測を主としたAIを開発しています。自社又は他社との共同プロダクトの開発を目指し、企業や医療機関と一緒に病気を識別・予測するAIを開発するものです。

病気の識別・予測に主眼を置いていることもあり、以下の特性を持つプロジェクトとなることがあります。

1. 何の病気をどのようなデータを使って識別・予測するかゼロベースで検討する
2. データを取得することから始めることも多い

実はこれらは自分が経験したAI開発とは大きく異なるものです。

自分が経験したAI開発では、既に蓄積されているデータを念頭に何を分析するか検討することが多かったです。つまりデータ取得システムは既にあり、使用可能なデータもほぼ決まっており、十分な量があります。これが一般的だと思います。

一方、MICINのAI開発では何のデータを取るべきかもゼロベースで検討することがあります。また、データをゼロから取得することも多いです。結果、データ取得システム自体も検討する必要性が出て、実質的にゼロからのプロダクト作りと言えるものになります。

病気の識別・予測のための調査

その場合、調査事項が増えます。具体的には下記のような調査を繰り返すことになります。

1. 予測対象の調査：ある病気がどのような機序で発生し、どのような症状を発生させ、どのような基準で鑑別診断されるのか、など
2. データの調査：その病気の識別・予測のためにはどのようなデータを取得することが必要か、そのデータの特性はどのようなものか、どのような場合であれば病気との関係性が担保されそうか、など
3. 測定機器の調査：そのデータはどのような原理で測定されているか、どのような測定条件であれば使えそうか、その測定条件は現実的か、など
4. 前処理及びアルゴリズムの調査：そのデータからその病気を識別・予測するにはどのような前処理及びアルゴリズムが必要か、実装にどの程度時間がかかりそうか、など

詳細は弊社のノウハウであるため記載していません。分析の失敗を防ぐために「など」の部分で調査すべきポイントがまだまだあります。

自分が経験したAI開発においても類似の調査は一定必要でしたが、データをゼロベースで検討・取得するAI開発プロジェクトでは上記の調査を何度も繰り返すことが違いです。何の病気をどのようなデータ・分析手法でなら現実的に識別・予測できそうか、目処がつくまで調査を続けることとなります。

今は上記の調査をどのようにすれば効率良くできるか、一定の型を作れないかなどを検討しているところです。

なぜそこまで調査するのか

一般のAI開発プロジェクトと同様にデータを決めてしまえば楽ではないかと思うかもしれません。ただ、その場合は病気を識別・予測できなくなるリスクが高まります。病気を識別・予測する観点からはデータを決めずに幅広く調査した方が良いです。

特定の論文をただ真似して簡単に調査を終えることも可能です、が、同様に病気を識別・予測できなくなるリスクが大きいです。分析手法が怪しかったりサンプル数が限定されていたりで、現実に適用できるか検討が必要な論文が多くあります。

そして現実への適用の検討のためには現実や手法の限界についてのより本質的な知識が必要です。上記の分野はそれぞれ専門家がおり日進月歩で新しい知識が生まれている分野ですが、しっかり調査して専門家に近いレベルの知識を獲得する必要性があります。

社会実装のための検討

更にその分析の社会実装を考えると下記のようなことの検討も必要です。

1. データ蓄積：どのようにデータを蓄積して、どのようにAIを発展させていくと良いか、それは現実的か
2. ユースケース：誰に対してどのようなアウトプットが必要で、それがどのように使われれば役立つのか、その使い方は現実的か
3. ビジネスモデル：これらの病気を識別・予測してどうすれば事業として成り立つのか

ただ分析できただけでは社会的なインパクトはありません。事業として成り立たせる必要性があり、このような観点での検討も必要になってきます。
よって顧客含む経営の知識も必要になりますし、アプリを開発する場合はソフトウェアの知識も必要になります。

これらの検討も自分が経験したAI開発で必要になりましたが、MICINの方が検討の自由度が高くより広範な検討が必要だと感じています。